使用dplyr加入两个数据帧时，可以替换NAs吗？ [英] Can I replace NAs when joining two data frames with dplyr?

问题描述

我想加入两个数据框。一些列名称重叠，并且在其中一个数据帧的重叠列中有 NA 条目。这是一个简化的例子：

  df1<  -  data.frame（fruit = c（'apples'，'oranges' '香蕉'，'葡萄'），var1 = c（1,2,3,4），var2 = c（3，NA，6，NA），stringsAsFactors = FALSE）
 df2<  -  data.frame （fruit = c（'oranges'，'grapes'），var2 = c（5,6），var3 = c（7,8），stringsAsFactors = FALSE）
  

我可以使用dplyr加入函数来加入这些数据帧，并自动确定非 NA 条目的优先级，以便我获取var2列在连接的数据框中没有 NA 条目？现在，如果我调用 left_join ，它保留 NA 条目，如果我调用 full_join 它会重复行。

解决方案

coalesce 可能是你需要的东西。它从第一个向量填充NA，其值位于相应位置的第二个向量：

  library（dplyr）
 df1％>％
 left_join（df2，by =fruit）％>％
 mutate（var2 = coalesce（var2.x，var2.y））％>％
选择（-var2.x，-var2.y）
 
＃fruit var1 var3 var2 
＃1 apples 1 NA 3 
＃2 oranges 2 7 5 
＃ 3香蕉3 NA 6 
＃4葡萄4 8 6 
  

或使用 data.table ，代替：

  library（data.table） 
 setDT（df1）[setDT（df2），on =fruit，`：=`（var2 = i.var2，var3 = i.var3）] 
 df1 
＃fruit var1 var2 var3 
＃1：apples 1 3 NA 
＃2：橘子2 5 7 
＃3：香蕉3 6 NA 
＃4：葡萄4 6 8 
  

I would like to join two data frames. Some of the column names overlap, and there are NA entries in one of the data frame's overlapping columns. Here is a simplified example:

df1 <- data.frame(fruit = c('apples','oranges','bananas','grapes'), var1 = c(1,2,3,4), var2 = c(3,NA,6,NA), stringsAsFactors = FALSE)
df2 <- data.frame(fruit = c('oranges','grapes'), var2=c(5,6), var3=c(7,8), stringsAsFactors = FALSE)

Can I use dplyr join functions to join these data frames and automatically prioritize the non-NA entry so that I get the "var2" column to have no NA entries in the joined data frame? As it is now, if I call left_join, it keeps the NA entries, and if I call full_join it duplicates the rows.

解决方案

coalesce might be something you need. It fills the NA from the first vector with values from the second vector at corresponding positions:

library(dplyr)
df1 %>% 
        left_join(df2, by = "fruit") %>% 
        mutate(var2 = coalesce(var2.x, var2.y)) %>% 
        select(-var2.x, -var2.y)

#     fruit var1 var3 var2
# 1  apples    1   NA    3
# 2 oranges    2    7    5
# 3 bananas    3   NA    6
# 4  grapes    4    8    6

Or use data.table, which does in-place replacing:

library(data.table)
setDT(df1)[setDT(df2), on = "fruit", `:=` (var2 = i.var2, var3 = i.var3)]
df1
#      fruit var1 var2 var3
# 1:  apples    1    3   NA
# 2: oranges    2    5    7
# 3: bananas    3    6   NA
# 4:  grapes    4    6    8

这篇关于使用dplyr加入两个数据帧时，可以替换NAs吗？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！